순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
Practical guide to SHAP analysis: Explaining supervised machine learning model predictions in drug development
Ana Victoria Ponce Bobadilla, Vanessa Schmitt, Corinna S. Maier 외 · Clinical and Translational Science · 2024년 · 조회 17
왜 이 논문인가 — 선정 기준
HOT PAPER · 최근 가장 주목받는 논문 — 피인용·FWCI·동년 인용 백분위
2024-10 발표 · 피인용 748회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1%
HOT 슬롯에 선정된 이유는 2024년 발표 이후 748회의 인용으로 동일 연도 논문 중 상위 1%에 속하며, 약물 개발 AI 해석에 대한 높은 관심을 반영하기 때문이다.
논문 요약
이 논문은 약물 개발 분야에서 사용되는 블랙박스 머신러닝 모델의 예측을 투명하게 설명하기 위한 SHAP(Shapley Additive exPlanations) 적용 방법을 실무적으로 제시한다. 회귀와 분류 모델에 대한 다양한 SHAP 시각화 기법과 해석법, 구현 도구, 베스트 프랙티스 및 이진 엔드포인트 분석 시 특별 고려사항을 제공한다. 이를 통해 모델의 신뢰성을 높이고 임상 의사결정에 활용할 수 있다.
후속 연구설계에 활용하기
SHAP 기반 특성 중요도 분석을 자신의 약물 후보 예측 모델에 적용해, 특성 선택·모델 검증 단계에서 정량적 해석 지표로 활용할 수 있다.
핵심어
SHAP 해석기계학습약물 개발모델 투명성
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.